Modelos de IA: Kimi K3 de Moonshot supera a Fable 5

⏱ Tiempo de lectura: 3 min
Moonshot presentó Kimi K3, un modelo de código abierto con 2,8 billones de parámetros que lidera el benchmark Arena en tareas de programación frontend, superando a Fable 5 de Anthropic. Aunque su rendimiento general no alcanza a Fable 5, Kimi K3 rivaliza con GPT-5.6 de OpenAI en varios benchmarks individuales y costará 15 dólares por millón de tokens, frente a los 50 de Fable 5. Los pesos se liberarán el 27 de julio.
Kimi K3: el modelo abierto más grande del mercado
Moonshot lanzó Kimi K3 el 16 de julio como el modelo de código abierto más grande disponible, superando a DeepSeek V4 Pro (1,6 billones de parámetros). Según el anuncio de la empresa, está diseñado para tareas de codificación de horizonte largo, trabajo de conocimiento y razonamiento. Lo más destacado: alcanzó el primer lugar en el benchmark Arena para codificación frontend, ganándole a Fable 5 en tareas complejas de agentes de código. Moonshot reconoce que el rendimiento general de Kimi K3 no supera a Fable 5, pero compite en varios benchmarks individuales con GPT-5.6.
Datos exactos y disponibilidad
Kimi K3 tiene 2,8 billones de parámetros y precio de 15 dólares por millón de tokens de salida. La fuente de ZDNET reporta que Moonshot planea liberar los pesos del modelo antes del 27 de julio. El modelo está diseñado para codificación, análisis y razonamiento complejos. En comparación: Fable 5 cuesta 50 dólares por millón de tokens. La liberación de código abierto marca un contraste importante con los modelos propietarios estadounidenses, aunque los modelos abiertos carecen de las protecciones de seguridad de los sistemas propietarios. Fuente principal de ZDNET.
Qué falta por confirmar
Aunque Kimi K3 lidera en un benchmark específico, su rendimiento general no alcanza a Fable 5 en aplicaciones generales, codificación empresarial y tareas de trabajo. ZDNET destaca que el hecho de que Moonshot sea una startup china amplifica las preocupaciones del gobierno estadounidense sobre riesgos de seguridad, a pesar del precio competitivo. El impacto real en la adopción dependerá de cómo equipos de desarrollo evalúen seguridad versus costo.
| Dato | Detalle |
|---|---|
| Modelo | Kimi K3 (Moonshot) |
| Parámetros | 2,8 billones (más grande en código abierto) |
| Caso de uso | Codificación, trabajo de conocimiento, razonamiento |
| Benchmark destacado | Arena (codificación frontend) — supera a Fable 5 |
| Precio | 15 dólares por millón de tokens de salida |
| Liberación de pesos | 27 de julio de 2026 |
| Estado general vs. Fable 5 | Mejor en benchmarks específicos; no supera en rendimiento general |
| Disponibilidad de seguridad | Carece de protecciones de modelos propietarios (como código abierto) |
Preguntas frecuentes sobre Kimi K3
¿Kimi K3 es realmente mejor que Fable 5?
En codificación frontend medida por Arena, sí. En rendimiento general y tareas empresariales, no. ZDNET reporta que Kimi K3 rivaliza con GPT-5.6 de OpenAI en varios benchmarks individuales, pero Fable 5 mantiene ventaja en aplicaciones amplias.
¿Cuándo estará disponible para usar?
Moonshot planea liberar los pesos del modelo el 27 de julio de 2026. No se especifica en el texto si habrá versiones alojadas o APIs antes de esa fecha.
¿Cuál es la diferencia de precio con Fable 5?
Kimi K3 cuesta 15 dólares por millón de tokens de salida; Fable 5, 50 dólares. Un ahorro de 70% en costo, aunque el rendimiento general no es idéntico.
Qué conviene mirar de cerca
ZDNET subraya que la competencia abierta cuestiona el valor de los modelos propietarios estadounidenses costosos, pero también alerta sobre riesgos de seguridad amplificados por el origen chino de Moonshot. La ausencia de protecciones integradas en código abierto será clave para usuarios empresariales.
En Inteligencia Artificial, el liderazgo de Kimi K3 en benchmarks específicos muestra que el tamaño de parámetros no garantiza rendimiento absoluto, pero la diferencia de precio marca una presión competitiva real sobre modelos propietarios. ¿El costo o la seguridad pesan más en tu evaluación de modelos?
Fuente: www.zdnet.com

Deja una respuesta
Lo siento, debes estar conectado para publicar un comentario.